分析师预期是二级市场上投资者们关注的重要指标。在之前的报告中，我们曾采用降噪打分法基于Wind一致预期数据构建了一个预期共振因子。本次，我们将基于更为底层的分析师预期明细数据，对行业分析师预期因子进行重构，希望能构建出一个更为稳健的行业轮动策略。
　　具体来说，在本篇报告中我们构建了三个明细因子：
　　净利润预期变化：首先，我们统计分析了分析师预期净利润的数据特征，并基于数据特征做了相应的数据预处理，得到了逻辑直观的初始因子。其次，我们延用了之前在预期共振因子中的降噪打分法。通过将变化率映射为得分，实现弱化个别预测的绝对变化而聚焦于更多分析师预测的共振，对因子进行了改进。最后，我们通过延长回溯期并引入时间衰减加权方法得到了一个相对有效的净利润预期变化因子。
　　预期调整得分：事实上，由于不同分析师市场影响力必然有所差异，因此不同分析师的盈利预测发生变化所代表实际意义也有所区别。为此，我们通过引入分析师发布相应报告时的个股市场表现来刻画分析师市场影响力。进一步的，我们选择以上调净利润预期的影响力得分为基础，同样基于时间衰减加权法得到了行业预期调整得分。
　　积极评级数量：由于推荐评级是各家券商自行设计并发布的，因此推荐评级的设定并不统一。经过统计分析，我们设计了一个评级分类方法，实现了不同评级分档的可比性。并且，我们通过精选券商的方法，基于积极评级的发布情况，构建得到了一个较为稳健的积极评级数量因子。
　　最后，我们将前述三个因子做等权复合即得到了一个新的行业预期共振因子。经过测试，该指标IC均值为9.77%，ICIR为4.11。从分组收益来看，2013年以来，该指标构建策略的多头组合年化收益为20.45%，夏普比率为0.75。年化超额收益为12.03%，信息比率为1.37。
　　风险提示：本报告结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。
　　

研究报告全文：证券研究报告金融工程报告2023年10月19日基于分析师预期明细数据的行业预期共振行业轮动系列报告分析师预期是二级市场上投资者们关注的重要指标在之前的报告中我们曾采用降噪打分法基于Wind一致预期数据构建了一个预期共振因子本次我们将基于更为底层的分析师预期明细数据对行业分析师预期因子进行重构希望能构建出一个更为稳健的行业轮动策略具体来说在本篇报告中我们构建了三个明细因子净利润预期变化首先我们统计分析了分析师预期净利润的数据特征并基于数据特征做了相应的数据预处理得到了逻辑直观的初始因子其次我们延用了之前在预期共振因子中的降噪打分法通过将变化率映射为得分实现弱化个别预测的绝对变化而聚焦于更多分析师预测的共振对因子进行了改进最后我们通过延长回溯期并引入时间衰减加权方法得到了一个相对有效的净利润预期变化因子预期调整得分事实上由于不同分析师市场影响力必然有所差异因此不同分析师的盈利预测发生变化所代表实际意义也有所区别为此我们通过引入分析师发布相应报告时的个股市场表现来刻画分析师市场影响力进一步的我们选择以上调净利润预期的影响力得分为基础同样基于时间衰减加权法得到了行业预期调整得分积极评级数量由于推荐评级是各家券商自行设计并发布的因此推荐评级的设定并不统一经过统计分析我们设计了一个评级分类方法实现了不同评级分档的可比性并且我们通过精选券商的方法基于积极评级的发布情况构建得到了一个较为稳健的积极评级数量因子最后我们将前述三个因子做等权复合即得到了一个新的行业预期共振因子经过测试该指标IC均值为977ICIR为411从分组收益来看2013年以来该指标构建策略的多头组合年化收益为2045夏普比率为075年化超额收益为1203信息比率为137任瞳S1090519080004rentongcmschinacomcn风险提示本报告结果通过历史数据统计建模和测算完成在政策市场周靖明S1090519080007环境发生变化时模型存在失效的风险zhoujingmingcmschinacomcn许继宏研究助理xujihongcmschinacomcn敬请阅读末页的重要说明金融工程报告正文目录一前言4二分析师预期明细因子421净利润预期变化422预期调整得分923投资评级数量11三复合因子16四小结20图表目录图1净利润预期边际变化原始值分布5图2净利润预期边际变化平均值分布5图3策略分组净值当月净利润预期变化6图4策略分组净值映射后的当月净利润预期变化7图5策略分组净值时间衰减下的净利润预期变化8图6累计IC时间衰减下的净利润预期变化8图7影响力得分示例9图8策略分组净值预期调整得分11图9累计IC预期调整得分11图10不同发布报告密度的券商数量14图11不同发布报告密度的券商报告占比14图12策略分组净值积极评级数量因子15图13累计IC积极评级数量因子16图14策略分组净值复合因子17图15累计IC复合因子18图16策略分组净值新预期共振三因子18图17累计IC新预期共振三因子19敬请阅读末页的重要说明2金融工程报告表1盈利预测明细示例4表2收益统计当月净利润预期变化5表3净利润预期变化映射方法6表4收益统计映射后的当月净利润预期变化6表5不同回溯期下的ICIR7表6收益统计时间衰减下的净利润预期变化8表7不同净利润预期变化的影响力得分中位数10表8IC测试不同类型下的预期调整得分10表9收益统计预期调整得分10表10投资评级明细示例12表11投资评级分类13表12测试评级13表13各测试评级在不同回溯期下的ICIR结果14表14精选券商后的ICIR14表15收益统计积极评级数量因子15表16相关性统计16表17收益统计复合因子17表18收益统计新预期共振三因子19敬请阅读末页的重要说明3金融工程报告一前言分析师预期是二级市场上投资者们关注的重要指标在之前我们曾在蓝海启航系列研究之四分析师预期数据在行业轮动中的应用和创新中采用降噪打分法基于Wind一致预期数据构建了一个行业轮动因子本次我们将基于更为底层的分析师预期明细数据对行业分析师预期因子进行重构希望能构建出一个更为稳健的行业策略二分析师预期明细因子21净利润预期变化当分析师在发布报告包括深度研究及个股点评时通常会形成23条盈利预测记录具体来说每一条记录代表着分析师A在T日发布关于个股x的报告时对个股在财年y的盈利预测在这里我们选取了盈利预测中最重要的净利润指标进行了示例展示在资本市场的投资分析中业绩预期的边际变化往往是人们关注的重点在分析师预期中也不例外以盈利预测为例相比较利润预测的绝对值投资者往往更关注的是盈利预期的变化情况为此我们需要对分析师盈利预测做数据预处理即在每一次发布盈利预测时找到上一次该分析师对相同个股在同一财年时的盈利预测并计算其净利润预测的变化率作为预期边际变化值表1盈利预测明细示例1SINFORESEARCHINSTANALYSTREPORTINGESTNETESTDTANNDTChgWINDCODENAMENAMEPERIODPROFIT12021042120210421000001SZ招商证券分析师A20211231357000028822021042120210421000001SZ招商证券分析师A20221231432000031032021082020210820000001SZ招商证券分析师A20211231363000016842021082020210820000001SZ招商证券分析师A20221231437000011652021102020211021000001SZ招商证券分析师A20211231363000000062021102020211021000001SZ招商证券分析师A20221231437000000072022011420220114000001SZ招商证券分析师A202212314340000-06982022011420220114000001SZ招商证券分析师A202312315240000无前值92022031020220310000001SZ招商证券分析师A2022123152200002028102022031020220310000001SZ招商证券分析师A2023123163300002080112022042620220427000001SZ招商证券分析师A202212314450000-1475112022042620220427000001SZ招商证券分析师A202312315370000-1517资料来源招商证券Wind如上图所示在每一次分析师发布报告时有对未来2-3个财年的利润预测结果那么应该采纳哪个财年的预测作为构建进一步指标的基础数据是我们需要1为便于投资者应用我们在这里直接展示了wind统计的盈利预测表中的字段名具体来说ESTDT为报告日期ANNDT为报告公告日有可能滞后于报告日期SINFOWINDCODE是个股代码RESEARCHINSTNAME为分析师所在机构ANALYSTNAME为分析师名REPORTINGPERIOD为预测年度ESTNETPROFIT为净利润预测值chg为我们计算的净利润预测边际变化值敬请阅读末页的重要说明4金融工程报告面对的首个问题事实上对于不同个股而言未来不同财年的利润预测可能都具有不同的意义但总体来说当年和未来一年的业绩情况通常是投资者最为关注的在这里我们将报告发布日当年的财年称为y年则将y和y1年的净利润预期边际变化值取平均得到平均净利润预期变化值从边际变化值的概率密度分布来看取平均值后数据分布有略微的向零集中但整体并未形成显著的变化因此后文我们就将净利润预期边际变化平均值作为净利润预期变化值图1净利润预期边际变化原始值分布图2净利润预期边际变化平均值分布统计区间20070101-20230831资料来源Wind招商证券统计区间20070101-20230831资料来源Wind招商证券在构建行业轮动指标时我们可以首先采用一个最直观的构建方法对过去一个月内在同一个股上不同分析师的净利润预期变化值做算术平均得到个股净利润预期变化再按照市值加权的方式将个股净利润预期变化加和得到该月的行业净利润预期变化进一步的我们对当月净利润预期变化指标做分组收益测试具体来说我们以剔除综合金融以外29个的中信一级行业指数作为测试标的在每个月月末进行调仓以得分最高的六个行业为多头组合以得分最低的六个行业作为空头组合以29个中信一级行业指数的平均收益作为比较基准从结果上来看基于当月净利润边际变化指标构建的策略长期能获得超额收益但策略超额收益并不稳定表2收益统计当月净利润预期变化总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头248711252255144745669049空头3920317238150725197013基准12742807240450555591034多头基准534541389915865354046多空13982861134725865906064测试区间20130101-20230831资料来源招商证券Wind敬请阅读末页的重要说明5金融工程报告图3策略分组净值当月净利润预期变化52545423531525211510505002014022820190228201302282013062820131031201406302014103120150227201506302015103020160229201606302016103120170228201706302017103120180228201806292018103120190628201910312020022820200630202010302021022620210630202110292022022820220630202210312023022820230630多头组合空头组合基准组合多头基准测试区间20130101-20230831资料来源招商证券Wind接下来我们将尝试对初始指标进行构造上的改进一方面我们引入以前报告中构建预期共振因子所用的降噪打分法具体来说当预期变化大于1即认为上调盈利预期记为1分当小于-1时认为分析师下调盈利预期记为-1分而当介于-1和1之间时则认为本次盈利预期变化并未具备实际意义不进行统计换句话说我们将根据分析师净利润预期的边际变化值映射得到变化得分再把过去一个月内的边际得分取均值后得到个股得分并根据市值加权得到降噪打分的行业净利润预期变化表3净利润预期变化映射方法--1-100011分布比率314249934945102865映射得分-11统计区间20070101-20230831资料来源招商证券Wind经过测试加入降噪打分的映射方法后该指标的有效性得到了一定的边际提升年化超额从413提升至597信息比率由046提升至073表4收益统计映射后的当月净利润预期变化总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头319331450252443685827057空头3803309236652135118013基准12742807240450555591034多头基准846759781315246142073多空191471063131021785906081测试区间20130101-20230831资料来源招商证券Wind敬请阅读末页的重要说明6金融工程报告图4策略分组净值映射后的当月净利润预期变化62552415312051002015022720210630201302282013062820131031201402282014063020141031201506302015103020160229201606302016103120170228201706302017103120180228201806292018103120190228201906282019103120200228202006302020103020210226202110292022022820220630202210312023022820230630多头组合空头组合基准组合多头基准测试区间20130101-20230831资料来源招商证券Wind另一方面我们尝试在不同回溯期内考察净利润边际变化指标考虑到越早期的利润变化越容易被市场消化因此我们引入时间衰减加权方法进行计算在下表中横轴为回溯期纵轴为半衰期从结果来看相对延长回溯期是可以提升指标的有效性但延长回溯期后必须设置较小的一个半衰期以保证近期的净利润边际变化得到更大权重的考量这样的一个结果整体是符合直观逻辑的因此我们选取一个相对适中的回溯期以6个月为回溯期以1个月为半衰期作为指标的加权计算方法表5不同回溯期下的ICIR回溯期1361218半衰期12993133213223223311316286272631529823921812313295230146测试区间20130101-20230630资料来源招商证券Wind经过测试该指标IC均值为702ICIR为321从分组收益来看该指标构建策略的多头组合年化收益为1644夏普比率为067年化超额收益为752信息比率为082敬请阅读末页的重要说明7金融工程报告表6收益统计时间衰减下的净利润预期变化总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头400811644246539505433067空头3750305229148824882013基准12742807240450555591034多头基准1153675291510935984082多空248921253135316416457093测试区间20130101-20230831资料来源招商证券Wind图5策略分组净值时间衰减下的净利润预期变化725625154312051002020103020130228201306282013103120140228201406302014103120150227201506302015103020160229201606302016103120170228201706302017103120180228201806292018103120190228201906282019103120200228202006302021022620210630202110292022022820220630202210312023022820230630多头组合空头组合基准组合多头基准测试区间20130101-20230831资料来源招商证券Wind图6累计IC时间衰减下的净利润预期变化110088060460204-022-04-060-08-1-2RankIC累计IC测试区间20130101-20230831资料来源招商证券Wind敬请阅读末页的重要说明8金融工程报告22预期调整得分在第一部分的因子构建中我们本质上对每一位分析师采用了一视同仁的处理方法并未对具体的分析师进行区分但事实上不同分析师的推票能力和市场影响力必然有所差异因此我们可以基于此尝试构建第二个因子结合分析师影响力的预期调整得分因子那么如何刻画分析师的影响力呢从量化的角度来说最客观的刻画方法即在分析师发布个股报告时相应个股的市场表现情况具体来说我们以报告发布日期的当日至次日相应个股相对全市场中位数的超额涨跌幅作为报告的影响力得分若发布于非工作日则以往前的最近一个工作日作为报告的发布日期图7影响力得分示例资料来源招商证券Wind事实上利用市场表现来刻画影响力是需要结合报告倾向的从直观的逻辑来说当报告上调预期时对应个股的市场表现较好或下调预期时市场表现较差则说明报告具有一定的影响力与第一部分类似的我们将分析师预期变化的调整分为上调分析师预期下调分析师预期以及不具备实际意义的调整从统计结果可以看到三个特征1预期变化于大于1的报告影响力得分相对较高符合上调分析师预期的投资逻辑2预期变化在-1至1之间的报告影响力得分差异不大将其归为一类具有一定的合理性3而预期变化小于-1的报告得分均值为-006虽然显著低于其他几个类别但并没有显著小于零据统计在净利润预期变化小于-1的报告中仍有6972的报告对相应标的做出最高评级的推荐因此在下调盈利预期的报告之中有一部分实则是对之前过高的预期进行的修正调整并不能简单地将下调预期视为不看好对应的上市公司敬请阅读末页的重要说明9金融工程报告表7不同净利润预期变化的影响力得分中位数--1-100011分布比率314249934945102865影响力得分中位数-006046054058103统计区间20070101-20230831资料来源招商证券Wind在得到报告的影响力得分之后我们就可以进行具体的因子构建1计算分析师在历史报告中上调分析师预期下调分析师预期以及不具备实际意义调整的影响力得分的算术平均值即可得到分析师在做出不同预期调整下的历史影响力得分2我们在每个月统计当月各行业出现的报告按照分析师以及预期调整类型则可得到对应的历史影响力得分将历史影响力得分做名次归一化后取平均得到行业在该月的预期调整得分举例而言当月有一条分析师A上调个股x的盈利预测记录时则回往历史上分析师A上调预期的所有记录将历史记录的影响力得分求均值作为该条记录的得分3采用与第一部分相同的时间衰减加权方法以六个月为回溯期以一个月为半衰期得到最终的行业预期调整得分进一步的我们将三种调整类型的行业预期调整得分进行了IC测试可以看到上调预期中的行业预期调整得分整体IC表现相对其他两个类型有效性要更加出色这个结果是符合我们前面观察到的现象的我们前面提到下调预期的报告中实际上还包含了部分看好公司但进行预测修正的情况因此下调预期和不具备实际意义的调整报告都由于其报告倾向不明确导致其计算得到的影响力得分可信度下降表8IC测试不同类型下的预期调整得分RankI均值ICIRIC胜率T-valueP-value下调预期266123527611502509不具备实际意义428146582713701740上调预期598256598424000177测试区间20130101-20230630资料来源招商证券Wind经过测试该指标IC均值为598ICIR为256从分组收益来看该指标构建策略的多头组合年化收益为1407夏普比率为052年化超额收益为598信息比率为061表9收益统计预期调整得分总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头302791407272946425906052空头4458354232447925354015基准12742807240450555591034多头基准849359897317625984061多空178921017147221506063069测试区间20130101-20230831资料来源招商证券Wind敬请阅读末页的重要说明10金融工程报告图8策略分组净值预期调整得分52545423531525211510505002013103120160229201302282013062820140228201406302014103120150227201506302015103020160630201610312017022820170630201710312018022820180629201810312019022820190628201910312020022820200630202010302021022620210630202110292022022820220630202210312023022820230630多头组合空头组合基准组合多头基准测试区间20130101-20230831资料来源招商证券Wind图9累计IC预期调整得分1908806704602504-023-04-062-081-10RankIC累计IC测试区间20130101-20230831资料来源招商证券Wind23投资评级数量在这一部分我们将基于分析师预期的投资评级构建行业轮动因子首先我们对于投资评级数据同样做一个简单的展示可以看到投资评级明细中有推荐评级评级得分和目标价三个具有较大价值的信息但是我们可以看到目标价在相当一部分报告中是有所缺失的并且由于目标价受到的影响因素过多包括当时的市场表现分析师的个人风格所以后续研究中我们将专注于该投资评级明细中的推荐评级数据敬请阅读末页的重要说明11金融工程报告表10投资评级明细示例2SINFOSESTSESTRATINSESTESTNEWTSESTSCORELOWPRICEHIGHPRICESESTANNDTWINDCODEINSTITUTEGANALYSTIMEINSTRATINGINSTINSTINSTRATINGINST1000001SZ证券公司1分析师A20200421220200422审慎增持2000001SZ证券公司2分析师B20200421117320200422强烈推荐3000001SZ证券公司3分析师C20200420120200422买入4000001SZ证券公司4分析师D20200421220200422推荐5000001SZ证券公司5分析师E20200621120200621买入6000001SZ证券公司6分析师F20200622216518920200623推荐7000001SZ证券公司7分析师G20200827218520200827增持8000001SZ证券公司8分析师H20200828222420200828跑赢行业11000001SZ证券公司9分析师I2020102222019223420201022优于大市资料来源招商证券Wind由于推荐评级是各家券商自行设计并发布的因此推荐评级的设定并不统一当前主流的评级分档有三类a三档评级一个高评级一个中性评级和一个低评级常见的评级分类为买入中性卖出跑赢行业中性跑输行业优于大市中性落后大市仅有个别券商采用该种分类b四档评级一个最高评级一个较高评级一个中性评级和一种较低评级常见分类为强烈推荐增持中性和减持强推推荐中性和回避有一部分券商采用该种分类c五档评级一个最高评级一个较高评级一个中性评级一种较低评级和一个最低评级常见分类为买入增持中性减持和卖出采用该种分类的券商最多可见不同券商分档方式不同评级分类更是五花八门因此为了使不同券商发布的报告具有可比性我们应当设计一个统一的评级分类以进行后续的指标构建而在万得配置对应评级得分时其统一以中性为中间值3分中性以上依次递减分别为2分1分中性以下依次递增分别为4分5分这样的分数得分具有一定的逻辑我们就在此基础上做进一步的分析首先由于中性以下的评级在研报评级中是非常少见的因此我们可以把中性以下的评级都视为一类这样一来四档和五档评级就可以视为相同的分档方式但对于三档评级来说我们还需要在后续做进一步的分析2SESTESTNEWTIMEINST为评级日期ANNDT为报告公告日有可能滞后于评级日期LOWPRICEINST和HIGHPRICEINST为最低目标价和最高目标价SESTSCORERATINGINST为评级得分SESTRATINGINST投资评级敬请阅读末页的重要说明12金融工程报告表11投资评级分类分档方式评级分类wind得分数量占比买入跑赢行业优于大市215590552三档中性3卖出跑输行业落后大市4846011买入强烈推荐强推14324855873增持推荐谨慎推荐22337953175四档五档中性包含了三档326956366消极减持卖出回避451638022统计区间20070101-20230831资料来源招商证券Wind从上表我们可以看到四五档中的最高评级在整体评级中的占比中较高达到5873其次是四五档中的较高级评级占比为3175然后是三档中的高评级占比为552在将四档和五档统一之后我们需要考虑如何运用三档评级得分1在较差评级方面我们可以直接将三档中的较低评级直接并入四档五档中的消极评级2在较高评级方面由于覆盖报告在大多数情况下都是给出优于中性的评级因此采用三档评级的券商几乎所有的报告会得到高评级所以事实上我们难以甄别三档评级券商给出高评级的实际意义为此我们将三档中的高评级和四档五档的最高评级归为一类称之为广义积极评级将仅有四档五档的最高评级归为狭义积极评级综上所述我们可以得到五个测试评级我们将其称之为狭义积极评级广义积极评级次积极评级中性评级和消极评级表12测试评级测试评级狭义积极广义积极次积极中性消极四档五档的三档的最高评级四档五档的低于中性的对应评级中性评级最高评级四档五档的最高评级较高级评级所有评级占比587364253175366034统计区间20070101-20230831资料来源招商证券Wind在对测试评级做出分类后我们就要开始着手构建相应的行业轮动因子指标1选取相同测试评级在过去一段时间内的评级记录并采用一个月为半衰期进行加权得到评级数量得分2为了剔除行业个股数量对评级数量得分的影响再将评级数量得分除以行业个股数量进行中性化3考虑到报告发布具有一定的周期性所以我们计算与去年的同比结果作为行业评级得分因子从结果来看狭义和广义积极的有效性较好次积极中性和消极评级整体有效性较弱在这里我们在回溯期上保持与前文一致取6个月做后续测试敬请阅读末页的重要说明13金融工程报告表13各测试评级在不同回溯期下的ICIR结果狭义积极广义积极次积极中性消极1个月322317213-135-0983个月335287161-116-1996个月343303170-089-15712个月342303177-090-152测试区间20130101-20230831资料来源招商证券Wind接下来我们对评级数据做进一步剖析显然不同类型券商研究所的报告发布密度有一定差别根据统计自2007年以来日均发布报告在01篇以下的有67家主要由外资券商构成日均发布报告在01-2篇的有63家主要为成立时间较短或覆盖行业并不全面的中小型券商研究所日均发布报告在2篇以上的券商有31家主要为市场上具有一定影响力且覆盖较为全面的券商贡献了全市场约73的报告数量图10不同发布报告密度的券商数量图11不同发布报告密度的券商报告占比小于01篇01-05篇31家大于172篇05-2篇1967家小于01篇28家05-2篇大于2篇7335家01-05篇测试区间20100101-20230831资料来源招商证券Wind测试区间20100101-20230831资料来源招商证券Wind由此我们借助报告发布密度来筛选一批更具影响力的券商以这些券商的报告重新构建前述因子具体来说我们在每个时间截面计算券商历史发布报告总数将总数除以其覆盖的行业数量得到其发布报告密度选取发布报告密度排名前30的券商报告按照前述步骤重新构建因子经过测试可以看到经过筛选券商之后构建得到的不同评级因子有效性均得到了一定的边际提升这说明精选券商的确能够提高构建行业轮动策略的有效性表14精选券商后的ICIR狭义积极广义积极次积极评级中性消极不做处理343303170-089-157精选券商435415223-164-187测试区间20130101-20230831资料来源招商证券Wind敬请阅读末页的重要说明14金融工程报告横向比较来看狭义积极因子整体效果相对广义积极因子更加稳健这说明三档评级中的较高评级不适合视为等同于四档五档的最高评级而狭义积极相对剩余其他三个因子的有效性具有显著的优势因此我们就以狭义积极因子的构建作为投资评级下的行业轮动因子经过测试该指标IC均值为756ICIR为435从分组收益来看该指标构建策略的多头组合年化收益为1588夏普比率为065年化超额收益为716信息比率为102表15收益统计积极评级数量因子总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头376001588245345105906065空头2961248243353495118010基准12742807240450555591034多头基准1078571670210836457102多空244501239118714216063104测试区间20130101-20230831资料来源招商证券Wind图12策略分组净值积极评级数量因子62552415312051002015022720210630201302282013062820131031201402282014063020141031201506302015103020160229201606302016103120170228201706302017103120180228201806292018103120190228201906282019103120200228202006302020103020210226202110292022022820220630202210312023022820230630多头组合空头组合基准组合多头基准测试区间20130101-20230831资料来源招商证券Wind敬请阅读末页的重要说明15金融工程报告图13累计IC积极评级数量因子1120810060480206-024-04-062-08-10RankIC累计IC测试区间20130101-20230831资料来源招商证券Wind三复合因子在这一部分我们要将前述的三个因子进行复合得到我们基于分析师预期明细的行业轮动因子在合成因子前我们对三个因子进行相关性测试从结果来看三个因子由于构建的角度各不相同整体相关度并不高表16相关性统计净利润边际变化预期调整得分积极评级净利润边际变化100000136701951预期调整得分013671000000901积极评级数量019510090110000测试区间20130101-20230831资料来源招商证券Wind接下来我们将三个因子在截面上做Zscore的标准化后等权复合即得到了新的分析师预期因子经过测试新的复合分析师预期指标IC均值为977ICIR为411从分组收益来看该指标构建策略的多头组合年化收益为2045夏普比率为075年化超额收益为1203信息比率为137敬请阅读末页的重要说明16金融工程报告表17收益统计复合因子分组因子总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率新因子616622045272347265906075多头旧因子393381627258340875827063新因子492045236556584882002空头旧因子1524135235261055276006基准12742807240450555591034新因子2327212038757527165137多头基准旧因子118397668719576693088新因子569671968153212526929128多空旧因子308361421137817076378103测试区间20130101-20230831资料来源招商证券Wind图14策略分组净值复合因子10493583725652415312051002013062820130228201310312014022820140630201410312015022720150630201510302016022920160630201610312017022820170630201710312018022820180629201810312019022820190628201910312020022820200630202010302021022620210630202110292022022820220630202210312023022820230630多头组合空头组合基准组合多头基准多头基准原指标测试区间20130101-20230831资料来源招商证券Wind敬请阅读末页的重要说明17金融工程报告图15累计IC复合因子114081206100402806-024-042-06-080-1-2RankIC累计IC累计IC原指标测试区间20130101-20230831资料来源招商证券Wind最后我们将新构建的分析师预期因子与之前构建的景气度因子和修正动量指标做排序归一化后进行等权复合得到了新预期共振三因子模型经过测试新行业轮动模型IC均值1315ICIR为593从分组收益来看该指标构建策略的多头组合年化收益为2212夏普比率为083年化超额收益为1343信息比率为172图16策略分组净值新预期共振三因子12545104358362524151205002022022820230630201302282013062820131031201402282014063020141031201502272015063020151030201602292016063020161031201702282017063020171031201802282018062920181031201902282019062820191031202002282020063020201030202102262021063020211029202206302022103120230228多头组合空头组合基准组合多头基准测试区间20130101-20230831资料来源招商证券Wind敬请阅读末页的重要说明18金融工程报告表18收益统计新预期共振三因子总收益率年化收益率年化波动率最大回撤调仓胜率夏普比率多头729062212264943046299083空头-1124-112244564004646-005基准12742807240450555591034多头基准27979134378216427087172多空788112291143320796850160测试区间20130101-20230831资料来源招商证券Wind图17累计IC新预期共振三因子1200818061604140212010-028-046-064-082-10RankIC累计IC测试区间20130101-20230831资料来源招商证券Wind敬请阅读末页的重要说明19金融工程报告四小结在本篇报告中我们基于更为底层的分析师预期明细数据对行业分析师预期因子进行重构最终能构建得到了一个更为稳健的行业策略首先我们延用了之前在预期共振因子中的降噪打分法通过将分析师盈利预测变化率映射为得分并采用时间衰减加权方法得到净利润预期变化因子其次我们通过引入分析师发布相应报告时的个股市场表现来刻画分析师市场影响力构建得到了行业预期调整得分因子再次我们设计了一个统一评级分类方法实现了不同评级分档的可比性并且通过精选券商的方法构建得到了一个较为稳健的积极评级数量因子在三个明细因子的构造过程中我们主要采用了降噪打分和时间衰减加权两种方法前者通过弱化绝对变化值转化为打分的方法可以使得构建得到的因子聚焦于更多标的的变化共振后者则通过给予不同的时间赋权更有效地实现了对不同历史维度信息的运用最后我们将前述三个因子做等权复合即得到了一个新的行业预期共振因子经过测试2013年以来该指标构建策略的多头组合年化收益为2045夏普比率为075年化超额收益为1203信息比率为137另外我们还将行业预期共振因子与之前构建的景气度修正动量因子复合得到了一个行业轮动模型但是我们发现该模型在2022年四季度至2023年一季度出现了一定的收益回撤追其原因是由于这段时间市场行情主要以政策调整和市场热点所驱动因此景气度指标出现了显著的失效后续我们将从技术指标指标结合方法等方向做进一步思考以求得到一个适应性更好的行业轮动模型敬请阅读末页的重要说明20